CN109341700A - 一种低能见度下固定翼飞机视觉辅助着陆导航方法 - Google Patents
一种低能见度下固定翼飞机视觉辅助着陆导航方法 Download PDFInfo
- Publication number
- CN109341700A CN109341700A CN201811471466.4A CN201811471466A CN109341700A CN 109341700 A CN109341700 A CN 109341700A CN 201811471466 A CN201811471466 A CN 201811471466A CN 109341700 A CN109341700 A CN 109341700A
- Authority
- CN
- China
- Prior art keywords
- runway
- vision
- wing aircraft
- fixed wing
- pose
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Abstract
本公开提供一种低能见度下固定翼飞机视觉辅助着陆导航方法,所述方法包括:视觉特征提取过程、相对位姿解算过程和视觉惯性融合过程;其中视觉特征提取过程包括:接收惯性测量单元输出的位姿参数,采集2D图像,从所述2D图像提取跑道区域,在所述跑道区域中进行直线检测,并提取跑道边缘线,计算出跑道四个角点像素坐标;相对位姿解算过程:输入机场跑道四个角点的地理坐标和像素坐标,并结合相机的内部参数,计算出相机相对于机场跑道的相对位姿;并且视觉惯性融合过程包括:定义系统状态、建立惯性误差传递方程、获取量测信息、非线性卡尔曼滤波、修正位姿参数。
Description
技术领域
本发明涉及着陆导航方法,具体涉及低能见度下固定翼飞机视觉辅助着陆导航方法。
背景技术
目前广泛使用的辅助着陆导航技术有仪表着陆系统(ILS)和惯性/GPS(INS/GPS)组合导航。其中,ILS导航精度较低,容易受到周围地形反射的影响,并且软硬件及其维护成本较高,不适用于山区机场或通用机场。INS/GPS虽然精度较高,但GPS信号易受干扰或屏蔽,其导航可靠性不高。针对现有着陆导航精度低、可靠性差的问题,利用红外相机在低能见度条件下透视效果显著的特点,运用图像处理技术从红外图像中提取视觉信息,并与惯性单元的测量信息进行滤波融合,有效消除惯性累积误差,提升导航精度,从而满足固定翼飞机精密进近着陆的需求。该方法适用于晴、阴、小雨、雾、霾等天气条件下,飞机从相对于机场高度200英尺下降至60英尺的着陆过程。
发明内容
本发明的目的:固定翼飞机在低能见度条件下利用视觉与惯性组合导航实现精密进近着陆。
本发明的技术方案:
通过本发明的低能见度下固定翼飞机视觉辅助着陆导航方法来实现上述目的,所述方法包括:视觉特征提取过程、相对位姿解算过程和视觉惯性融合过程;其中视觉特征提取过程包括:接收惯性测量单元输出的位姿参数,采集2D图像,从所述2D图像提取跑道区域,在所述跑道区域中进行直线检测,并提取跑道边缘线,计算出跑道四个角点像素坐标;相对位姿解算过程:输入机场跑道四个角点的地理坐标和像素坐标,并结合相机的内部参数,计算出相机相对于机场跑道的相对位姿;并且视觉惯性融合过程包括:定义系统状态、建立惯性误差传递方程、获取量测信息、非线性卡尔曼滤波、修正位姿参数。
在上述低能见度下固定翼飞机视觉辅助着陆导航方法中,在视觉特征提取过程中,提取跑道区域可以包括:借助于惯性测量单元输出的位姿参数,结合机场跑道地理信息,通过视觉投影生成图像坐标系下的跑道区域。
在上述低能见度下固定翼飞机视觉辅助着陆导航方法中,视觉投影过程可以包括:从大地坐标系经地心地固坐标系、地理坐标系、导航坐标系、机体坐标系、相机坐标系到像素坐标系的5次坐标变换。
在上述低能见度下固定翼飞机视觉辅助着陆导航方法中,在视觉特征提取过程中,直线检测可以包括线段检测和线段拟合;其中在线段检测时,采用检测子从跑道区域中提取直线段;在线段拟合时,按照预设条件从所提取的直线段中筛选出候选线段,根据候选线段的长度和线宽计算出线段的权重,并按照权重大小从候选线段中随机选取点,以拟合出跑道边缘线。
在上述低能见度下固定翼飞机视觉辅助着陆导航方法中,在相对位姿解算过程中,相机的内部参数可以包括焦距、倾斜因子、像素大小。
在上述低能见度下固定翼飞机视觉辅助着陆导航方法中,在视觉惯性融合过程中,定义系统状态包括:位置误差、速度误差、姿态误差、加速度误差和角速度误差;建立惯性误差传递方程;获取量测信息:从红外图像中提取跑道前端左、右角点和消失点坐标作为量测信息;非线性卡尔曼滤波:利用惯性误差传递方程和量测信息进行非线性卡尔曼滤波,输出惯性误差估计值;修正位姿参数:利用惯性误差估计值修正位姿参数。
本发明实现的效果:
本发明利用红外图像在低能见度条件下透视效果显著的特点,从红外图像中精确提取视觉信息,并与惯性测量组合,可显著消除惯性累积误差,提升导航精度,经试验验证能够满足精密进近的要求。同时本发明具有鲁棒性强、成本低、无需增设机场辅助设施的特点。
附图说明
下面将参考附图详细描述本发明,其中:
图1示出低能见度下固定翼飞机视觉着陆导航方法框图。
图2示出跑道边缘线拟合示意。
图3示出本发明的方法中各设备互联关系图
具体实施方式
在本发明的低能见度下固定翼飞机视觉辅助着陆导航方法中,主要包括如下方面:
1、视觉着陆导航方法框架
本方法的输入数据来自于机载惯性测量单元(IMU)、机载前视红外相机(FLIR)和机载导航数据库,输出数据为修正后的位置和姿态,整个算法包括了视频采集、跑道区域选取(ROI)、跑道检测、跑道合成、相对位姿解算、视觉与惯性融合、位姿修正等主要部分,流程框图详见图1。具体信息处理流程如下所述:
1)红外视频数据流:FLIR拍摄的红外视频经过视频采集后,利用惯性参数辅助的方法从整幅图像中选取ROI,再通过线段检测、线段拟合精确提取出跑道四条边缘线的图像特征,并送入相对位姿解算单元;
2)惯性测量数据流:IMU输出的载体位置、速度、姿态数据用于生成ROI,并用于视觉惯性融合;
3)跑道地理信息流:跑道地理信息直接输入相对位姿解算单元;
4)相对位姿解算单元接收到跑道真实跑道特征和跑道地理信息后,计算出相机相对于机场跑道的位置和姿态;
5)视觉惯性融合单元输入视觉解算的相对位姿和IMU加速度和角速度,输出位姿估计误差,经修正后即可得到融合后的位姿参数。
2、ROI选取
在红外图像中跑道区域的选取可以借助于IMU输出的位姿参数,并结合机场跑道地理信息,通过视觉投影即可生成图像坐标系下的跑道区域,同时考虑到IMU的测量误差,确定跑道投影区域即ROI。其中,视觉投影过程包括:从大地坐标系经地心地固坐标系、地理坐标系、导航坐标系、机体坐标系、相机坐标系到像素坐标系的5次坐标变换。
3、跑道检测
跑道检测包括线段检测和线段拟合两部分,如图2所示。线段检测部分采用线段检测子(如LSD或EDLines)从ROI中提取直线段;在线段拟合部分,按照检测出的小线段与合成跑道边缘的距离和夹角来筛选出候选线段,根据所选小线段的长度和线宽计算出线段的权重,并按照权重大小随机选取点,利用RANSAC方法拟合出跑道边缘线。
4、相对位姿解算
输入机场跑道四个角点在地理下的坐标和图像坐标下跑道四个角点的像素坐标,并结合相机的内部参数(焦距、倾斜因子、像素大小),通过EPnP算法计算出相机相对于机场跑道的相对位置和姿态。
5、视觉惯性融合
本方法采用非线性滤波,如扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF),系统状态定义为:位置误差、速度误差、姿态误差、加速度误差和角速度误差;系统状态方程为惯性误差传递方程;量测方程为:视觉相对位姿与惯性相对位姿构成的关系式;系统输入为:视觉提取的相对位置和姿态、IMU加速度和角速度以及载体的位置、姿态和速度的初值,系统输出为:状态估计,即误差估计值。
[关于实施条件]
在飞机雷达罩上方安装FLIR组件,在飞机设备舱安装IMU,并且在地面利用全站仪标定FLIR与IMU的相对位置和姿态;同时,标定红外相机的内部参数。此外,还需获取机场地理信息数据库,如跑道各角点的纬度、经度和海拔高度信息。信息处理平台可以选用嵌入式处理板卡,如Nvidia TX2,各部件互联关系见图3所示。
[关于跑道检测]
1)ROI选取
地面任一点DPi=(Li,λi,hi)投影至像素平面一点PPi的坐标变换等价于函数:PPi=F(DPi,La,λa,ha,ψ,θ,φ)。
由于INS测量位置和姿态的误差服从零均值高斯分布,则Δr和Δc近似服从均值为零的高斯分布,即:
跑道边缘线端点处邻域宽度:
2)跑道特征提取
在选定的跑道边缘线邻域内将满足5≤Td≤10和-2°<Tθ<2°条件的检测线段保留下来,并计算它们的权重(线宽×线长),按照权重值从线段中随机取出像素点,权重越高随机抽取的点数越多,在线段拟合中的贡献也就越大,再用RANSAC方法拟合成一条直线,即跑道边缘线。
[关于状态估计]
采用SR-UKF算法融合了视觉信息和惯性测量数据,具体流程如下:
1)初始化
S0=cholesky(Px,0)
其中,Cholesky()函数用于矩阵的下三角分解。
2)时间更新
计算Sigma点:
W0 m=λ/γ2,W0 (c)=λ/γ2+(1+α2+β),Wi m=Wi c=1/2γ2,i=1,2,…,2n
一步状态预测:
χk/k-1=Φ(χk-1)
一步状态预测平方根:
其中Rv为系统噪声协方差矩阵
测量值估计:
yk/k-1=H(χk/k-1)
其中,qr()函数表示对矩阵QR分解,返回R矩阵的上三角阵。
3)量测更新
其中Rn为测量噪声协方差矩阵
状态噪声估计:
Claims (6)
1.一种低能见度下固定翼飞机视觉辅助着陆导航方法,所述方法包括:视觉特征提取过程、相对位姿解算过程和视觉惯性融合过程;其中
视觉特征提取过程包括:接收惯性测量单元输出的位姿参数,采集2D图像,从所述2D图像提取跑道区域,在所述跑道区域中进行直线检测,并提取跑道边缘线,计算出跑道四个角点像素坐标;
相对位姿解算过程:输入机场跑道四个角点的地理坐标和像素坐标,并结合相机的内部参数,计算出相机相对于机场跑道的相对位姿;并且
视觉惯性融合过程包括:定义系统状态、建立惯性误差传递方程、获取量测信息、非线性卡尔曼滤波、修正位姿参数。
2.根据权利要求1所述的低能见度下固定翼飞机视觉辅助着陆导航方法,其中在视觉特征提取过程中,提取跑道区域包括:借助于惯性测量单元输出的位姿参数,结合机场跑道地理信息,通过视觉投影生成图像坐标系下的跑道区域。
3.根据权利要求2所述的低能见度下固定翼飞机视觉辅助着陆导航方法,其中,视觉投影过程包括:从大地坐标系经地心地固坐标系、地理坐标系、导航坐标系、机体坐标系、相机坐标系到像素坐标系的5次坐标变换。
4.根据权利要求1所述的低能见度下固定翼飞机视觉辅助着陆导航方法,其中在视觉特征提取过程中,直线检测包括线段检测和线段拟合;
其中在线段检测时,采用检测子从跑道区域中提取直线段;在线段拟合时,按照预设条件从所提取的直线段中筛选出候选线段,根据候选线段的长度和线宽计算出线段的权重,并按照权重大小从候选线段中随机选取点,以拟合出跑道边缘线。
5.根据权利要求1所述的低能见度下固定翼飞机视觉辅助着陆导航方法,其中在相对位姿解算过程中,相机的内部参数包括焦距、倾斜因子、像素大小。
6.根据权利要求1所述的低能见度下固定翼飞机视觉辅助着陆导航方法,其中在视觉惯性融合过程中,
定义系统状态包括:位置误差、速度误差、姿态误差、加速度误差和角速度误差;
建立惯性误差传递方程;
获取量测信息:从红外图像中提取跑道前端左、右角点和消失点坐标作为量测信息;
非线性卡尔曼滤波:利用惯性误差传递方程和量测信息进行非线性卡尔曼滤波,输出惯性误差估计值;
修正位姿参数:利用惯性误差估计值修正位姿参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811471466.4A CN109341700B (zh) | 2018-12-04 | 2018-12-04 | 一种低能见度下固定翼飞机视觉辅助着陆导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811471466.4A CN109341700B (zh) | 2018-12-04 | 2018-12-04 | 一种低能见度下固定翼飞机视觉辅助着陆导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109341700A true CN109341700A (zh) | 2019-02-15 |
CN109341700B CN109341700B (zh) | 2023-06-30 |
Family
ID=65319777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811471466.4A Active CN109341700B (zh) | 2018-12-04 | 2018-12-04 | 一种低能见度下固定翼飞机视觉辅助着陆导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109341700B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110702091A (zh) * | 2019-07-24 | 2020-01-17 | 武汉大学 | 一种沿地铁轨道移动机器人的高精度定位方法 |
CN111536970A (zh) * | 2020-05-08 | 2020-08-14 | 中国航空工业集团公司西安航空计算技术研究所 | 一种用于低能见度大尺度场景的红外惯性组合导航方法 |
CN111649737A (zh) * | 2020-05-08 | 2020-09-11 | 中国航空工业集团公司西安航空计算技术研究所 | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 |
CN112214028A (zh) * | 2020-09-02 | 2021-01-12 | 上海电机学院 | 一种基于OpenMV的水下机器人位姿控制方法 |
CN112560922A (zh) * | 2020-12-10 | 2021-03-26 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于视觉的雾天飞机自主着陆方法及系统 |
CN112797982A (zh) * | 2020-12-25 | 2021-05-14 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于机器视觉的无人机自主着陆测量方法 |
CN113295164A (zh) * | 2021-04-23 | 2021-08-24 | 四川腾盾科技有限公司 | 一种基于机场跑道的无人机视觉定位方法及装置 |
CN113790719A (zh) * | 2021-08-13 | 2021-12-14 | 北京自动化控制设备研究所 | 一种基于线特征的无人机惯性/视觉着陆导航方法 |
CN114485577A (zh) * | 2021-12-13 | 2022-05-13 | 丁莹莹 | 一种基于视觉的无人机着陆姿态估计方法 |
CN115050215A (zh) * | 2022-04-29 | 2022-09-13 | 北京航空航天大学 | 基于机器视觉辅助的门对门全自主飞行着陆引导方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109640A (zh) * | 2006-07-19 | 2008-01-23 | 北京航空航天大学 | 基于视觉的无人驾驶飞机自主着陆导航系统 |
US20130046462A1 (en) * | 2011-08-15 | 2013-02-21 | Honeywell International Inc. | Aircraft vision system including a runway position indicator |
CN103218607A (zh) * | 2013-04-11 | 2013-07-24 | 北京航空航天大学 | 一种用于无人机自主着舰的合作目标设计与定位方法 |
CN103954283A (zh) * | 2014-04-01 | 2014-07-30 | 西北工业大学 | 基于景象匹配/视觉里程的惯性组合导航方法 |
CN104808685A (zh) * | 2015-04-27 | 2015-07-29 | 中国科学院长春光学精密机械与物理研究所 | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 |
CN105021184A (zh) * | 2015-07-08 | 2015-11-04 | 西安电子科技大学 | 一种用于移动平台下视觉着舰导航的位姿估计系统及方法 |
CN106708066A (zh) * | 2015-12-20 | 2017-05-24 | 中国电子科技集团公司第二十研究所 | 基于视觉/惯导的无人机自主着陆方法 |
CN107741229A (zh) * | 2017-10-10 | 2018-02-27 | 北京航空航天大学 | 一种光电/雷达/惯性组合的舰载机着舰导引方法 |
CN108225273A (zh) * | 2016-12-14 | 2018-06-29 | 中国航空工业集团公司西安航空计算技术研究所 | 一种基于传感器先验知识的实时跑道检测方法 |
CN108594848A (zh) * | 2018-03-29 | 2018-09-28 | 上海交通大学 | 一种基于视觉信息融合的无人机分阶段自主着艇方法 |
CN108820233A (zh) * | 2018-07-05 | 2018-11-16 | 西京学院 | 一种固定翼无人机视觉着陆引导方法 |
-
2018
- 2018-12-04 CN CN201811471466.4A patent/CN109341700B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109640A (zh) * | 2006-07-19 | 2008-01-23 | 北京航空航天大学 | 基于视觉的无人驾驶飞机自主着陆导航系统 |
US20130046462A1 (en) * | 2011-08-15 | 2013-02-21 | Honeywell International Inc. | Aircraft vision system including a runway position indicator |
CN103218607A (zh) * | 2013-04-11 | 2013-07-24 | 北京航空航天大学 | 一种用于无人机自主着舰的合作目标设计与定位方法 |
CN103954283A (zh) * | 2014-04-01 | 2014-07-30 | 西北工业大学 | 基于景象匹配/视觉里程的惯性组合导航方法 |
CN104808685A (zh) * | 2015-04-27 | 2015-07-29 | 中国科学院长春光学精密机械与物理研究所 | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 |
CN105021184A (zh) * | 2015-07-08 | 2015-11-04 | 西安电子科技大学 | 一种用于移动平台下视觉着舰导航的位姿估计系统及方法 |
CN106708066A (zh) * | 2015-12-20 | 2017-05-24 | 中国电子科技集团公司第二十研究所 | 基于视觉/惯导的无人机自主着陆方法 |
CN108225273A (zh) * | 2016-12-14 | 2018-06-29 | 中国航空工业集团公司西安航空计算技术研究所 | 一种基于传感器先验知识的实时跑道检测方法 |
CN107741229A (zh) * | 2017-10-10 | 2018-02-27 | 北京航空航天大学 | 一种光电/雷达/惯性组合的舰载机着舰导引方法 |
CN108594848A (zh) * | 2018-03-29 | 2018-09-28 | 上海交通大学 | 一种基于视觉信息融合的无人机分阶段自主着艇方法 |
CN108820233A (zh) * | 2018-07-05 | 2018-11-16 | 西京学院 | 一种固定翼无人机视觉着陆引导方法 |
Non-Patent Citations (3)
Title |
---|
GUANFENG YU: "Real-time simulation of airborne FLIR sensor", 2016 IEEE CHINESE GUIDANCE, NAVIGATION AND CONTROL CONFERENCE (CGNCC) * |
张小苗;刘肖琳;于起峰;: "利用机场现有设施的机载单目视觉助降测量方法", 计算机工程与应用 * |
李鹏: "通用飞机航空电子系统技术发展研究", 电子技术 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110702091A (zh) * | 2019-07-24 | 2020-01-17 | 武汉大学 | 一种沿地铁轨道移动机器人的高精度定位方法 |
CN110702091B (zh) * | 2019-07-24 | 2022-08-30 | 武汉大学 | 一种沿地铁轨道移动机器人的高精度定位方法 |
CN111649737B (zh) * | 2020-05-08 | 2022-05-24 | 中国航空工业集团公司西安航空计算技术研究所 | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 |
CN111536970A (zh) * | 2020-05-08 | 2020-08-14 | 中国航空工业集团公司西安航空计算技术研究所 | 一种用于低能见度大尺度场景的红外惯性组合导航方法 |
CN111649737A (zh) * | 2020-05-08 | 2020-09-11 | 中国航空工业集团公司西安航空计算技术研究所 | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 |
CN112214028A (zh) * | 2020-09-02 | 2021-01-12 | 上海电机学院 | 一种基于OpenMV的水下机器人位姿控制方法 |
CN112560922A (zh) * | 2020-12-10 | 2021-03-26 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于视觉的雾天飞机自主着陆方法及系统 |
CN112797982A (zh) * | 2020-12-25 | 2021-05-14 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于机器视觉的无人机自主着陆测量方法 |
CN113295164A (zh) * | 2021-04-23 | 2021-08-24 | 四川腾盾科技有限公司 | 一种基于机场跑道的无人机视觉定位方法及装置 |
CN113790719A (zh) * | 2021-08-13 | 2021-12-14 | 北京自动化控制设备研究所 | 一种基于线特征的无人机惯性/视觉着陆导航方法 |
CN113790719B (zh) * | 2021-08-13 | 2023-09-12 | 北京自动化控制设备研究所 | 一种基于线特征的无人机惯性/视觉着陆导航方法 |
CN114485577A (zh) * | 2021-12-13 | 2022-05-13 | 丁莹莹 | 一种基于视觉的无人机着陆姿态估计方法 |
CN114485577B (zh) * | 2021-12-13 | 2024-04-12 | 丁莹莹 | 一种基于视觉的无人机着陆姿态估计方法 |
CN115050215A (zh) * | 2022-04-29 | 2022-09-13 | 北京航空航天大学 | 基于机器视觉辅助的门对门全自主飞行着陆引导方法 |
CN115050215B (zh) * | 2022-04-29 | 2023-12-26 | 北京航空航天大学 | 基于机器视觉辅助的门对门全自主飞行着陆引导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109341700B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109341700A (zh) | 一种低能见度下固定翼飞机视觉辅助着陆导航方法 | |
JP7345533B2 (ja) | 移動体用の改良型環境表示を生成するためのシステムおよび方法 | |
CN110926474B (zh) | 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 | |
CN109544696B (zh) | 一种基于视觉惯性组合的机载增强合成视景虚实图像精确配准方法 | |
US8073584B2 (en) | Method for measuring dynamic parameters of an aircraft progressing over an airport zone | |
US20130027554A1 (en) | Method and Apparatus for Automated Camera Location and Orientation with Image Processing and Alignment to Ground Based Reference Point(s) | |
Nussberger et al. | Aerial object tracking from an airborne platform | |
Palm et al. | Radargrammetric DEM extraction over urban area using circular SAR imagery | |
CA2853546A1 (en) | Identification and analysis of aircraft landing sites | |
Coutard et al. | Visual detection and 3D model-based tracking for landing on an aircraft carrier | |
CN103454650B (zh) | 一种视觉辅助卫星完好性监测方法 | |
CN109341686B (zh) | 一种基于视觉-惯性紧耦合的飞行器着陆位姿估计方法 | |
Dusha et al. | Fixed‐wing attitude estimation using temporal tracking of the horizon and optical flow | |
CN108024070A (zh) | 在合成图像上覆盖传感器图像的方法及相关显示系统 | |
Oszust et al. | A vision-based method for supporting autonomous aircraft landing | |
Lee et al. | Calibration of a UAV based low altitude multi-sensor photogrammetric system | |
Tehrani et al. | Horizon-based attitude estimation from a panoramic vision sensor | |
Trisiripisal et al. | Stereo analysis for vision-based guidance and control of aircraft landing | |
CN109341685B (zh) | 一种基于单应变换的固定翼飞机视觉辅助着陆导航方法 | |
Tehrani et al. | Low-altitude horizon-based aircraft attitude estimation using UV-filtered panoramic images and optic flow | |
Theuma et al. | An image processing algorithm for ground navigation of aircraft | |
Münsterer et al. | Usage of LiDAR in a brownout pilotage system: flight test results on a single ship and chalk 2 scenarios | |
Nussberger et al. | Robust aerial object tracking in high dynamic flight maneuvers | |
Pieniazek | Investigation of image based measurement for aircraft approach | |
Lima et al. | Accuracy of autonomy navigation of unmanned aircraft systems through imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |